黄仁勋穿着标志性皮衣站上“ AI 界超级碗” GTC 2025 的舞台，带来了英伟达的{BANNED}{BANNED}最佳佳新技术。两小时的演讲时间，浓缩了从芯片革命到机器人进化的{BANNED}{BANNED}最佳佳新成果。而背后隐藏的，是一场关于算力、成本与生态的暗战。
AI 的四波浪潮：从生成文字到操控物理世界
黄仁勋一开场便抛出了震撼观点：AI 正经历从“生成内容”到“操控物理世界”的跃迁。
黄仁勋提出人工智能演进的四个阶段：
- 感知 AI（Perception AI）：10 年前启动，专注于语音识别等基础任务；
- 生成式 AI（Generative AI）：过去 5 年的重点，实现文本、图像、视频等内容生成；
- 代理式 AI（Agentic AI）：AI 具备自主推理与决策能力（如多步骤问题解决）；
- 物理 AI（Physical AI）：未来方向，AI 操控物理世界（如机器人、自动驾驶）
-
按照这个趋势，我们目前正迈向代理式AI阶段，未来，将是机器人和自动驾驶等更高级的智能体登场的时代。
然而，代理式 AI 的计算需求要比传统模型高 100 倍。黄仁勋指出，人工智能行业在计算方面面临“巨大挑战”，他解释说，这是因为推理模型在推理过程中的众多步骤中都需要 tokens。
因此，计算需求仍然存在巨大空间。
新一代 AI 芯片：Blackwell Ultra
英伟达的杀手锏依然是芯片。去年 6 月，黄仁勋首次透露英伟达芯片架构将“一年一更”：计划 2025 年推出 Blackwell Ultra 架构，随后推出 Rubin 架构，此次则补上了路线图。
随后发布的 Blackwell Ultra，拥有 5 纳米工艺、288GB HBM3e 显存、每秒处理 1000 个推理标记（token）——性能达到前代 H100 的 10 倍。采用 Blackwell Ultra 架构的芯片包括 GB300 NVL72 等。
拥有 72 颗 GB300 的 Blackwell Ultra NVL72 平台将于 2025 年下半年推出，算力高达原本 GB200 NVL72 的 1.5 倍。
而更强的 Rubin Ultra NVL576 将于 2027 年下半年推出。Rubin Ultra NVL576 将搭载 HBM4e 内存，算力是 GB300 NVL72 的14倍，内存速度则是8倍。
考虑到散热问题，英伟达彻底抛弃传统风冷，全面转向液冷技术。新一代机柜的液冷管线密度是前代的4倍，甚至被网友戏称为“水管工的春天”。
这种暴力堆料的背后，是 AI 推理需求爆炸的残酷现实：代理式AI的单次推理需生成 8000 多个标记，算力消耗比传统模型高 100 倍。
而黄仁勋也直言：“未来五年，数据中心投资将超 1 万亿美元，这不是选择题，而是生存战。”
黄仁勋：“买得越多，省得越多”
随着架构迭代，黄仁勋表示， AI工厂的算力成本将得到相应降低。
他抛出一组反直觉的数据：推理成本每降低一半，市场需求将激增十倍。核心在于软硬协同优化。
随后发布的新一代 Dynamo 操作系统能动态分配 GPU 算力，让同样硬件下的推理吞吐量提升30倍。黄仁勋指出，“它本质上是 AI 工厂的操作系统。”它以启动上次工业革命的{BANNED}中国{BANNED}中国第一台仪器命名，暗示这项技术将在新一轮AI革命中扮演关键角色。
通过 Dynamo，可以让 DeepSeek 等推理模型，在相同架构和使用相同数量 GPU 的条件下，将性能提升30倍。
而 CUDA 生态新增的数学规划工具 CuOpt，可以将将物流调度等复杂问题的求解速度提升千倍。
生态合纵：从6G网络到量子计算的“科技朋友圈”
英伟达的野心不止于硬件。黄仁勋现场官宣了多项跨界合作：
黄仁勋宣布，英伟达将扩大与通用汽车的合作，与通用汽车共建全栈AI系统，从数字孪生工厂到车载安全架构 HALOS（含700万行安全代码），试图将造车效率提升一个量级。
与此同时，在 6G 通信方面，英伟达将联合思科、T-Mobile 研发 AI 原生 6G 网络，用硅光子技术将光模块功耗降低 90%，为万物互联铺路。英伟达还在周二宣布，将在波士顿建立一个研究中心，为推进量子计算提供尖端技术。
英伟达用 AI 串联起来的从数据生成、处理到落地的全链条，正在构建一个“自我喂养”的科技生态。
此次 GTC 2025，我们或许能深刻地感受到：AI 正在经历类似电力的普及历程——从实验室的稀奇玩意，变成驱动万物的基础能源。这场算力狂欢，或许将改写每个行业的生存法则。
大家有什么看法呢？欢迎在评论区留言讨论哦~